竞争情报视角下生成式人工智能在新媒体行业中的应用研究——以ChatGPT为例.pdf

1新媒体研究FOCUS 本期聚焦2022 年末，ChatGPT 横空出世，一经推出迅速爆红网络，是继 AlphaGo 和 Deepmind 之后在极短的时间内引爆全球的又一个里程碑式的人工智能系统。这项被称为史上最强的人工智能是由美国 AI实验室 0penAI 研发的智能聊天程序，它不仅可以进行问答互动，还具有写论文、编代码、创作“诗歌”以及制作商业方案等功能。上线仅五天用户突破 100 万人，两个月的时间，用户破亿。ChatGPT 的爆火着实让人类感受了一把被 AI 支配的恐惧，它的无所不能让人们感到震惊。慢慢地，人们开始去探索 ChatGPT 的神奇之处，在了解其内部的技术原理以及工作方法后，揭开了其神秘的面纱，之前的恐惧逐渐消退，好奇心不断增强。在好奇心的驱使下，人类开始掌握以及应用人工智能相关技术到人们的生产生活中，发挥它的强大功能，造福人类。许多企业看到了 ChatGPT 带来的新的发展方向，国内外顶尖科技公司纷纷抢滩入局，计划推出一系列类 ChatGPT 模式的产品。例如，在 GPT4发布的第二天，百度公开了其公司的新一代知识增强大语言模型，生成式 AI 产品“文心一言”。阿里巴巴此前在内测中的达摩院版 ChatGPT 也被提前曝光，京东、网易以及 360 等国内科技巨头也透露出相关类 ChatGPT 的产品信号1。在国外企业中，谷歌也宣布将开发人工智能助手 Claude，微软早在二月推出了新版本的 Bing，与 ChatGPT 相比，二者功能更加强大。所以说，从 ChatGPT 的问世再到如今的应用，人们的心态经历了“恐惧好奇拥抱”这样一个变化的过程。人工智能是新一轮科技革命的重要驱动力量，加强人工智能领域的研究和应用，有利于提高我国的科技创新能力，推动技术进步和产业升级。习近平总书记强调，要深刻认识加快发展新一代人工智能的重大意义，加强领导，做好规划，明确任务，夯实基础，促进其同经济社会发展深度融合，推动我国新一代人工智能健康发展。从战略层面为中国新媒体下一步发展指明了方向，深刻影响中国新媒体发展态势与格局2。随着技术的不断进步，人工智能已经从理论阶段逐渐走向实际应用，将会对新媒体行业产生深刻的变革，推动经济的快速发展。随着市场竞争激烈程度的不断加深，竞争情报越来越得到企业的重视，是构建企业竞争优势的必然需要，其具有企业危机预警、决策支持以及监测竞争对手等重要作用。竞争情报在信息化的潮流中扮演十分重要的角色，它不仅是一种信息处理分析 竞争情报视角下生成式人工智能在新媒体行业中的应用研究以ChatGPT为例 李乃文，张 帅摘 要 基于竞争情报视角，探讨 ChatGPT 在新媒体行业中的应用，进行体系框架构建，并对存在的风险提出相应的解决措施。研究认为，生成式人工智能对新媒体行业的竞争情报分析提供了有益的帮助，它可以从海量的数据中提取有用的信息，更好地了解竞争对手、用户需求和公众舆情，以及发现新的商业机会和创新点。关键词 ChatGPT；新媒体；生成式人工智能；竞争情报；风险防范 中图分类号 G2 文献标识码 A 文章编号 2096-0360（2023）12-0001-06基金项目：国家自然科学基金面上项目“煤矿智慧安全标识与安全注意力关系及其对应急决策作用路径”（项目编号：52174184）。作者简介：李乃文，辽宁工程技术大学，教授，博士生导师，研究方向为人力资源管理与企业管理。张 帅（通讯作者），辽宁工程技术大学，硕士研究生在读，研究方向为人工智能与新媒体。2023年第12期 NEW MEDIA RESEARCH2新媒体研究的过程，而且也是一种信息产品。目前，竞争情报在国内企业中的应用时间还不长，在不同行业和不同类型企业中的应用成熟程度还参差不齐。国内有关竞争情报的研究主要从技术创新、中小企业应用、大数据为背景等方面来研究。在技术创新方面，主要围绕竞争情报模型预警以及竞争情报在技术创新中的作用机制方面的研究3-6。在中小企业应用方面，更多的是围绕构建竞争情报服务体系、服务模式以及需求分析等方面7-9。在大数据研究方面，结合大数据的特征，构建了基于大数据的中小企业竞争情报系统的模型10，还有一些学者围绕大数据背景下人员激励以及胜任模型在竞争情报中的应用进行探讨11-13。通过梳理文献，发现鲜有学者基于竞争情报与生成式人工智能融合进行研究分析。基于此，按以下逻辑来探讨基于竞争情报视角下的生成式人工智能在新媒体应用研究。首先，根据新媒体行业领域的实际需求，构建了基于竞争情报视角下的生成式人工智能在新媒体行业的应用框架，分别从基础层、技术层、模型层、数据层以及应用层五个层面进行分析。在研究过程中，还探讨了基于竞争情报视角下的生成式人工智能在新媒体行业的风险并提出了相关风险防范措施。最后，对生成式人工智能技术在新媒体行业的应用前景进行了展望。力求为新媒体行业领域的相关研究提供参考，为行业发展与实践提供一定的指导。1 基于竞争情报下的 ChatGPT 在新媒体行业中的体系框架 基于竞争情报的方法和 ChatGPT 的技术原理，搭建了新媒体应用体系构架，该构架一共分为五层，分别为基础层、技术层、模型层、数据层以及应用层，如图 1 所示。1.1 基础层 基础层包括人工智能芯片、传感器、云计算等基础设施。人工智能芯片是支持人工智能技术的关键硬件，具有高速运算和处理能力，能够加速人工智能应用的实现和执行。在新媒体行业中，人工智能芯片可以用于加速数据处理和模型训练，提高数据分析的效率和准确性。传感器是物联网的核心组成部分，通过收集实时数据并转换为数字信号，为人工智能应用提供数据来源。传感器可以用于收集企业生产、销售、财务等方面的数据，为企业提供实时数据支持，帮助企业实现数据驱动的管理决策。云计算是一种基于互联网的计算服务模式，可以为企业提供强大的计算和存储资源14，为人工智能应用提供支持。在新媒体应用中，云计算可以用于存储和处理大量的数据，提供高效的数据处理和分析服务。图 1 竞争情报视角下 ChatGPT 在新媒体行业应用中的体系构架3新媒体研究FOCUS 本期聚焦 1.2 技术层 自然语言生成和处理技术可以帮助企业快速生成各类报告及文档，并通过智能对话的方式与用户进行交互，提高工作效率和准确性。在新媒体行业应用中，根据自然语言处理的特征，使其可以迅速嵌入信息检索、知识导览、数据库服务等教育传播与学术出版行业15。机器学习是人工智能的核心，通过对海量数据的分析和学习，快速发现数据中的规律。深度学习是机器学习领域中一个新的研究方向，可以通过对大量数据的学习和训练，实现更为准确的预测和决策，并帮助企业发现数据中的潜在价值。神经网络是一种模拟人类神经系统的计算模型，它可以帮助企业实现数据的自动分类和分析，并通过智能对话的方式与用户进行交互，提供更好的服务体验。计算机视觉是一种通过计算机对图像、视频等视觉数据进行处理、分析和理解的技术。在新媒体行业中，计算机视觉可应用于图像识别、视频处理等任务中。图像识别是计算机视觉中的一项重要任务，其主要目的是通过计算机对图像进行分类、识别和分割等操作。在新媒体行业中，图像识别可用于智能广告投放和内容推荐等任务中。例如，基于图像识别技术，可以对用户感兴趣的广告进行智能投放，从而提高广告的转化率。视频处理可以用于视频推荐、智能化编辑等任务中，例如基于视频处理技术，分析用户的观看行为，从而提供更精准的视频推荐服务。1.3 模型层 模型层主要包含 Transformer 模型、预训练语言模型、微调以及 Beam Search 等。Transformer模型主要用于自然语言处理和序列数据建模，可以完成文本分类、命名实体识别等任务。预训练模型是一种机器学习模型，其可以利用大规模无标注数据进行训练。同时，ChatGPT 也采用了多种预训练任务，例如问答任务、对话任务和摘要任务等，从而具有更好的泛化能力。预训练语言模型可以用于情感分析、主题建模等任务，并通过结合新媒体的特点进行大规模数据集的训练与深度学习的序列处理16。微调是指在预训练模型的基础上利用特定的数据集和任务进行有监督的学习，调整模型参数，提高模型在特定任务上的表现17。在利用Transformer 语言模型和预训练语言模型时，通常需要微调，即利用已有的对话数据对模型进行反向传播训练，调整模型的权重和参数，使得模型来适应具体的任务和应用场景。Beam Search 又被称作束集搜索，它可以在执行任务中选择最优解，从而提高回复的精准性。Beam Search的应用广泛，例如，Beam Search 可以用于生成图像描述，也可以用于生成标注结果等。1.4 数据层竞争情报数据库是指通过收集、整理、存储和分析有关竞争对手、市场、行业、产品和技术等信息的数据库。竞争情报数据库可以收集和分析用户在社交媒体、电商平台等新媒体渠道中的行为数据，例如用户的购买行为、关注度、评论等，为企业提供用户画像和行为特征分析，并根据用户行为数据制定个性化的营销策略。其还可以收集和分析社交媒体、新闻网站等媒体渠道中的舆情信息，为企业提供舆情监测和危机管理等服务。在数据收集方面，分为内部数据和外部数据两部分。内部数据是企业自身所拥有的数据，这些数据通常由自身的信息系统或者数据库收集、存储和管理。外部数据需要通过搜索引擎、社交媒体，网络数据挖掘及行业协会和组织等渠道收集。数据收集过程中需要注意数据要可靠，避免依赖于单一来源的信息，收集的数据信息应该尽心筛选并做到及时、全面、准确，数据信息的质量非常重要。在数据处理方面，可以通过决策树、人工神经网络或者Excel 等工具进行过滤、分类及标注，包括分词、词性标注、命名实体识别等。借助 ChatGPT 模型的自然语言处理能力，可以对竞争情报数据进行语义理解和分析，提取有用的信息和关键词。此外，还可以使用词向量模型将文本数据转换为向量表示，方便后续的数据分析和处理。在数据分析方面，通过竞争情报数据库与 ChatGPT 相融合，再利用专业的数据分析软件来处理新媒体方面的工作。1.5 应用层应 用层包括应用领域和应用场景两部分。在应用领域中，ChatGPT 可以应用在新媒体的领域有竞争对手分析、用户需求分析、舆情分析和内容创作等。新媒体行业竞争激烈，了解竞争对手的战略和趋势对于制定自身策略非常重要。ChatGPT 可以从海量的数据中自动提取出有用的信息，包括竞争对手的产品、营销策略、用户反馈等，帮助新媒体企业更好地了解竞争对手的动态。了解用户需求是新媒体行业竞争的关键，而 ChatGPT 可以通过分析用户行为和兴趣，预测用户的需求和偏好，为新媒体企业提供更符合用户需求的内容。通过了解竞争对手和用户需求的分析，新媒体企业可以制定更有效的竞争策略。ChatGPT 可以从社交媒体、新闻网站等渠道自动提取公众的观点和态度，帮助企业更好地了解公众舆情，及时应对舆情风险。在内容创作方面，可以通过分析大量的数据和文章，学习语言和语法规则，并生成高质量的文章。这种技术可以用于新闻报道、博客文章和社交媒体内容的创作等2023年第12期 NEW MEDIA RESEARCH4新媒体研究方面。不仅可以生成文章，ChatGPT 还会帮助新媒体行业创作广告文案、营销文案和其他类型的宣传文案，也可以帮助新媒体行业快速制作短视频、广告视频和其他类型的视频内容。2 基于竞争情报下的 ChatGPT 在新媒体行业中应用的风险虽 然ChatGPT在媒体中的应用存在巨大的潜力，但是它也会给国家、企业以及新媒体人员带来诸多的问题和挑战。在应用过程中容易造成国内机密数据以及企业数据被窃取进而引发一系列法律问题，以及媒体人员面临淘汰等风险。2 .1 数据安全隐患与国外技术垄断在 媒体工作中，数据的收集、处理和分析是至关重要的。然而，在使用人工智能技术时，企业需要将大量的敏感数据存储在内部系统中，这也意味着一旦系统受到网络攻击、黑客入侵或恶意代码植入18，企业的相关数据可能会被竞争对手窃取和外泄。这不仅影响企业的声誉和信誉，还可能导致财务损失和法律风险。除此之外，ChatGPT 相关技术目前主要由美国 OpenAI 公司掌握，这也意味着我国在类 ChatGPT 人工智能技术的发展和应用上起步较晚。因此，企业在使用外国人工智能技术时，很可能会面临安全风险和数据泄露的问题。如果国内机密数据被外国掌控和窃取19，这将会带来极大的安全隐患，甚至威胁国家政治安全和经济安全。我 国在生成式人工智能技术方面相对滞后，对于一些关键技术和核心算法仍然需要依赖国外的技术垄断者。这种技术依赖不仅增加了安全风险，而且也限制了我国在人工智能领域的自主创新能力。生成式人工智能技术的垄断会导致市场竞争不公平，给我国的经济发展带来了极大压力。企业可能会缺乏动力进行技术创新，从而对新媒体行业的发展产生负面影响，无法满足用户需求和市场需求，从而限制了新媒体行业的发展和竞争力。国外技术垄断者对技术的控制和保护，使得我国企业在与他们的合作中被限制，给我国企业的国际合作和市场拓展带来了不利的影响。2 .2 引发法律问题及责任分配不清虽 然 ChatGPT 在处理新媒体的各项业务中，有着强大的功能和效率，一旦大规模投入使用，在竞争情报获取中，将不可避免地引发许多道德和法律的问题。ChatGPT 在使用过程中可能会存在一些缺陷或错误，这就容易导致数据来源不准确、数据质量不高等问题，造成数据不真实且不准确。同时，ChatGPT 虽然保障了内容生成的时效性、互动性，但也生成了大量虚假、错误信息20，最终极有可能引起法律纠纷等问题。在知识产权方面，使用第三方的算法或软件程序时，需要注意是否涉及知识产权的侵权问题。在使用生成式人工智能技术处理数据时，需要考虑如何保证决策的透明度，以满足相关的法律要求。在 利用 ChatGPT 工作的过程中，如果出现了违法违规问题，责任该由谁来承担？例如，在数据收集过程中很可能会收集到客户的一些个人信息，如银行卡号、家庭住址、手机号等21，还有人脸、指纹等很强的个人属性。在市场竞争日趋激烈的环境下，这些信息一旦泄露将会被不法分子滥用，用以谋取不正当利益，将给客户带来巨大的财产损失。通过对 ChatGPT 的学习和了解，它具有很强的学习能力，但不可避免的是，人工智能技术在处理相关数据时，可能会出现错误和偏差。如果个人或企业信息泄露以及相关人工智能算法出现错误导致相关利益者的利益受损，这时该由谁来赔偿个人和企业的损失，如何明确责任的归属和赔偿方案，以最大程度地保护个人和企业自身权益？2 .3 新媒体行业复合型人才缺口较大在 竞争情报视角下，企业复合型人才的需求越来越高。企业需要拥有既精通技术又了解市场的人才，以帮助企业制定有效的市场策略和产品规划。目前，新媒体人员在竞争情报和技术应用的认知还停留在表面，没有进一步的深入学习与探索，缺少相关大数据、人工智能等相关知识与技能，无法适应新的工作方式，不能充分发挥人工智能带来的效益。随着科技的高速发展，缺乏专业复合型人才会导致企业无法适应新的人工智能技术，例如自然语言处理，机器学习和数据挖掘等，使企业无法从新技术中获得优势。企业在应用智能系统的过程中，需要进行系统检查与维护，缺乏复合型人才会导致企业无法及时解决故障和问题，并且在运用人工智能技术的过程中，很可能会出现数据处理不规范，对数据理解不够深入的现象，例如数据的清洗、标准化、归一化等使数据分析结果不准确。3 基于竞争情报下的 ChatGPT 在新媒体行业中应用的风险防范措施在 市场竞争日趋激烈的状态下，为了使生成式人工智能在新媒体行业中发挥更大的作用，需采取有效措施防范风险。基于此，提出了以下风险防范措施。3.1 提高数据安全保护水平，加强技术自主权数 据是企业的基础性战略资源，数据安全是发5新媒体研究FOCUS 本期聚焦展的保障。企业需要建立完善的数据安全管理制度，以保护竞争情报数据的安全，包括数据保护、数据备份、数据恢复和数据归档等方面。同时，加强对数据的访问权限和数据的保密性，采用先进的数据加密技术，对数据进行加密处理，保证数据的机密性和完整性，利用物理隔离、网络隔离等技术，防止非法入侵和攻击。企业还要建立监控机制，监控生成式人工智能技术在新媒体行业中的应用，发现潜在的安全问题，并及时采取相应的措施。设计并采用更为安全的人工智能算法，对数据进行更为精准的处理和分析，减少数据泄露和安全漏洞的风险。此外，企业要加强员工的安全意识和安全教育，提高员工对数据安全的认识和保护意识，降低人为因素造成的数据泄露和风险。习 近平总书记指出，把科技的命脉牢牢掌握在自己手中，在科技自立自强上取得更大进展，不断提升我国发展独立性、自主性、安全性，催生更多新技术新产业，开辟经济发展的新领域新赛道，形成国际竞争新优势。我国需要加强自主研发能力，通过自主研发掌握核心技术，提高我国人工智能技术水平和创新能力，降低对国外技术的依赖。政府需要加强对企业技术创新的政策支持，加大科研资金的投入力度。政府还应加强类 ChatGPT 人工智能产业的规划和布局22，积极推动人工智能技术的应用，促进人工智能与实体经济的深度融合，推动我国经济高质量发展。此外，政府要加强国际合作，促进我国人工智能产业的国际化发展，与国际接轨，提升我国在全球人工智能产业中的竞争力和影响力。3.2 加强人工智能监管，遵守法律法规随 着 ChatGPT 逐渐走入人们的生产和生活中，必须完善相关生成式人工智能技术的法律法规，为生成式人工智能的发展和应用划定红线、标明底线，以防其危害23。目前我国在生成式人工智能应用方面还处于发展阶段，相关法律法规并不完善。因此，应从多方面加强对生成式人工智能技术使用的法律风险监管。要制定符合我国发展的法律法规以及管理准则，防止出现侵犯个人隐私、商业秘密等违法行为。对生成式人工智能技术在新媒体行业中应用的范围、方式、流程、使用标准等作出明确规定，明确在新媒体应用过程中信息披露、信息真实性以及信息安全等方面的法律要求。加大对违规行为的处罚力度，强化法律震慑作用，促使企业和员工规范经营行为，积极配合相关部门开展工作。此外，政府还要建立有效的社会监督体系，对违规行为进行曝光和查处。企 业在使用生成式人工智能技术需要遵守国家相关法律法规，并在此基础上建立健全管理制度，积极开展人工智能技术风险管理活动，从而降低法律风险。在此过程中，要强化法律意识、提高法律素养、增强风险防范意识、重视合规审查以及健全责任追究制度。在使用过程中还需要识别和保护相关的知识产权，避免侵犯他人的知识产权24。当涉及重大决策时，确保技术的决策过程合规、公正、透明，避免对用户权益造成损害。在日常工作中，加强对员工的培训以及法律合规意识的宣传和普及25，提高员工法律意识，让更多的人了解和关注人工智能技术的合法合规问题。同时，要明确相关负责人的职责与权限，推进企业信息化工作的建设与管理。加强技术人员之间的交流与合作，提高数据安全保护工作水平，提高整个团队的综合素质。企业通过建设一流的新媒体人才队伍，帮助企业实现高质量发展。3 .3 传媒专业与 IT 技术相结合：培养复合型人才的新路径在 数字化和智能化的时代，媒体从业人员必须转变陈旧的思想，加强学习和自我提升，及时了解新的法律法规、政策和行业动态，关注经济环境和市场变化，将理论与实践相结合，提高自身的专业素质，以适应社会发展的新变革。媒体从业人员还要掌握数据分析和挖掘技能，充分利用数据分析工具和技术，对数据进行深度分析和挖掘，发现数据背后的价值，培养自己的思维创新，积极拥抱和尝试新技术，提高自身利用和分析竞争情报的专业能力及应变能力。同时，新媒体从业人员需要了解和掌握人工智能的应用场景和局限性，充分发挥新一代人工智能技术的优势，避免人工智能技术误用和滥用。高 校作为培养未来人才的重要基地，应该肩负起培养复合型人才的重担，不能再局限于传授陈旧的知识，应开设更多与当今社会发展接轨的课程，如大数据、人工智能等，以培养学生的综合素质和职业能力26。同时，高校应该注重理论和实践相结合，让学生在学习的同时能够实际应用所学知识，提高学生的实际工作能力。高校还应该设立实习基地，让学生接触实际工作，了解行业发展状况，增强自己的职业素养，提高就业竞争力27。企业应加强与高校、科研机构以及其他组织之间的合作，通过联合培养人才等方式不断提高员工的专业水平和综合素质，使员工能够熟练掌握信息化工具的使用，适应人工智能技术带来的影响。总之，新媒体从业人员应该紧跟时代的步伐，不断更新自己的知识和技能，适应数字化和智能化的发展趋势带来的影响，以更好地应对未来的挑战。2023年第12期 NEW MEDIA RESEARCH6新媒体研究4 结语本文基于竞争情报视角，以 ChatGPT 为例分析生成式人工智能在新媒体行业中的应用，认为生成式人工智能是推动新媒体高效发展的利器。企业应主动探索和拥抱它，充分利用其潜力，但也要注意防范使用风险。未来，还需要继续进行深入研究，总结生成式人工智能在新媒体领域中应用的更多可能性。同时，还要继续探索基于竞争情报的生成式人工智能在新媒体行业实际使用过程中面临的风险及其防范策略。期待在新一代人工智能技术大规模应用的影响下，新媒体能更加智能化、高效化和精细化，为人们提供更加优质的服务。参考文献 1 张夏恒.ChatGPT的逻辑解构、影响研判及政策建议J.新疆师范大学学报（哲学社会科学版），2023（44）：113-123.2 黄楚新，王丹.智能互联与数字中国：中国新媒体发展现状与趋势分析J.出版发行研究，2018（9）：58-62.3 龚花萍，刘嘉良，余建兵.面向区域科技创新的竞争情报联动供给服务模式研究J.情报杂志，2020，39（5）：64-70，88.4 周鹏.技术创新中的竞争情报：使用方式、作用与影响因素J.现代情报，2021，41（7）：94-102.5 晁蓉，王燕平，龙敏.面向产业技术创新需求的竞争情报融合供给服务模式探析J.图书与情报，2020（4）：131-139.6 燕娜，杨萍，周雷，等.基于技术创新系统（TIS）的产业竞争情报分析框架研究：以稀土产业为例J.情报杂志，2021，40（7）：36-44.7 宋新平，吕国栋，杜念，等.大数据下中小企业竞争情报网络信息源使用行为研究J.现代情报，2021，41（1）：88-93，110.8 罗建，史敏，周斌，等.政府购买中小企业竞争情报服务模式研究：湖南省科学技术信息研究所案例分析J.图书情报工作，2020（21）：58-66.9 支凤稳，郑淳元，赵梦凡.科技型中小微企业竞争情报需求关联分析J.情报理论与实践，2022，45（2）：111-120.10 王洪亮，张琪，朱延涛.大数据环境下中小企业竞争情报系统模型构建J.情报理论与实践，2015，38（7）：109-114.11 宋杰鲲，赵志浩，张业蒙，等.大数据背景下企业竞争情报系统评价研究J.情报杂志，2020，39（8）：186-192，136.12 宋新平，李慧，熊强，等.大数据下企业竞争情报人员胜任力模型研究J.现代情报，2020，40（5）：88-95.13 郭小芳，王克平，沈莹，等.大数据环境下新创企业竞争情报预警研究J.情报科学，2020，38（6）：83-89，162.14 任彬，韩大浩.数字时代下的智慧城市建设J.通信与信息技术，2022（S1）：5-8.15 吴炜华，黄珩.智能创作、深度融入与伦理危机：ChatGPT在数字出版行业的应用前景新探J.中国编辑，2023（6）：40-44.16 李慜劼，吴华平.基于智能技术的管理会计体系架构研究J.财务与会计，2021（15）：44-48.17 钱力，刘熠，张智雄，等.ChatGPT的技术基础分析J.数据分析与知识发现，2023，7（3）：6-15.18 邓建鹏，朱怿成.ChatGPT模型的法律风险及应对之策J.新疆师范大学学报（哲学社会科学版），2023，44（5）：91-101，2.19 赵精武，王鑫，李大伟，等.ChatGPT：挑战、发展与治理J.北京航空航天大学学报（社会科学版），2023，36（2）：188-192.20 何向向.基于智能内容生成的新闻传播生态重塑、风险与应对：以ChatGPT为例J.传媒，2023（10）：32-34.21 王树义，张庆薇.ChatGPT给科研工作者带来的机遇与挑战J.图书馆论坛，2023，43（3）：109-118.22 朱光辉，王喜文.ChatGPT的运行模式、关键技术及未来图景J.新疆师范大学学报（哲学社会科学版），2023，44（4）：113-122.23 蒲清平，向往.生成式人工智能：ChatGPT的变革影响、风险挑战及应对策略EB/OL.2023-04-23.http:/ 於兴中，郑戈，丁晓东.生成式人工智能与法律的六大议题：以ChatGPT为例J.中国法律评论，2023（2）：1-20.25 高锦萍，白羽新，高居平，等.人工智能时代的会计伦理：内涵、转向与考量J.会计研究，2022，413（3）：17-27.26 金春华，吕晓敏，王晖.智能会计专业人才培养体系的构建与实践：基于全国336所高校的调查分析J.中国大学教学，2022（11）：17-22，71.27 张敏，王银，李昂.智能会计（财务）专业培养方案：一个框架构建：基于AACSB认证视角J.中国大学教学，2021（6）：25-33.